Code2Video 是由 新加坡國立大學 Show Lab 開發的前沿研究專案，提出一種「以程式為中心（Code-Centric）」的影片生成架構，能將知識點轉換成高品質、可重現的教育影片。

核心概念

不同於一般的「文字轉影片（text-to-video）」模型，Code2Video 使用 可執行的 Manim 程式碼 來生成影片。這不僅確保了內容的邏輯性與一致性，也讓影片具備可重製、可編輯與可解釋的特性。

架構設計：Tri-Agent 智慧協作系統

Code2Video 採用三代理架構（Planner、Coder、Critic）：

  • Planner：將知識主題展開成影片分鏡與腳本。

  • Coder：生成並除錯可執行的 Manim 程式碼，負責動畫細節。

  • Critic：進行版面與畫面美學優化，確保視覺清晰與教育表達完整。

此結構讓 AI 能像導演與動畫師一樣協作，產出具有教學邏輯與視覺美感的影片。

MMMC Benchmark

研究團隊也推出了 MMMC（Manim-based Multi-Modal Curriculum） 基準資料集，包含 117 個知識主題（靈感來自 YouTube 頻道 3Blue1Brown），用於評估 AI 教育影片生成的品質與效率。

 

使用方式

1. 安裝依賴套件：

cd src/
pip install -r requirements.txt

 

2. 設定 LLM 與 VLM API Key（支援 Claude 4、Gemini 2.5 Pro）。

3. 執行生成腳本：

bash run_agent_single.sh "Explain Fourier Series"

4. 系統將自動生成影片腳本、Manim 程式碼與最終動畫影片。

 

適合族群

  • 教育內容創作者：希望用 AI 自動產生高品質教學影片。

  • 研究人員：關注多模態生成與 AI 教育應用。

  • 開發者與 AI 工程師：想結合 LLM 與視覺模型開發教育科技工具。

 

Code2Video 重新定義了「AI 影片生成」的概念 —— 不只是產出畫面，而是用程式邏輯驅動影片內容。
這項技術不僅提升了教學影片的生成效率，也開啟了 AI 自動化教育內容製作 的新篇章。